以下是本书作者感言

3年磨一书，磨的不只是字，是数据人的痛与悟。
2025年，Power BI刚过完10岁生日，我的书《Power BI商业智能成长之道》终于上市了。
从2022年8月动笔到现在，整整3年。这3年里，AI火了又火，BI的热度像坐滑梯，出版社催过、朋友劝过：”别写了，现在谁还看这个？”但我总想起刚开始用Power BI的日子——那时我对着混乱的数据表发呆，改公式改到凌晨，多希望有本书能告诉我：“数据乱成这样，根源在哪？”
现在，我想把答案写下来。
💡这本书，故意绕开了所有”速成技巧”
市面上的PowerBI书，总在教”3步做出动态报表”、”5分钟学会DAX”。但我敢说，90%的人学完还是做不好分析——因为真正的坑不在工具，在数据本身。
所以这本书，故意不聊复杂的DAX公式，不炫花哨的可视化。我花了最多笔墨写”第4章商业智能及其背后的设计”——讲怎么从业务出发搭数据模型，怎么让上下游数据”说话”。这章写得最痛苦，每次改都像在撕自己的旧认知：原来以前做不好报告，不是工具用得烂，是根本没搞懂”商业智能为什么要这样设计”，这不仅仅是自己一个环节的问题。
Power BI这10年，改变的不只是报告的样子，是我们对待数据的态度。
我刚开始用它时，也天天研究”怎么让图表动起来”。直到有天，用它理清了公司3年的混乱库存数据，老板第一次说”这个分析有用”，我才懂：工具的价值，是让我们有底气对业务说”我知道问题在哪”。
如果你也总被数据折磨——报报做不完、改不对、老板不满意，或许这本书能帮你少走点弯路。它可能不会让你成为”Power BI大神”，但会让你明白：数据分析的终极能力，是让数据听话，而不是被数据绑架。
最后想说，3年写一本书，慢是慢了点，但值得。就像Power BI这10年，从Excel插件长成千万人在用的工具，靠的不是快，是解决问题的较真。
你的数据故事，又藏着哪些没说出口的坑？评论区聊聊，或许下本书的案例，就有你的故事。
转发给那个总在加班改报表的同事吧——告诉他，别只怪工具不好用，可能是我们一开始就走错了路。

本书内容

第1章 转行经历及心路历程

对我个人的转行经历做了简短的介绍。许多BI领域的从业者都并非科班出身，刘钰老师是学哲学的、白茶老师是学心理学的、我在从事BI领域之前是兽医。所学专业和从事的工作并不一定就要一样，只要是我们热爱的，那么我们就可以尝试去追求。

第2章 数据理论基础

这些数据本身的理论并不复杂，但是对于解释我们所使用的数据，则更能开拓我们使用数据的眼界。

第3章 对数据的思考

这些对数据的思考全部来源于实际的工作经验总结，了解这些内容更容易让我们高效率的使用数据。该章节也引出了数据分析师的新定位：数字化转译员。

第4章 商业智能及其背后的设计

第4章是我感觉最为难写的一章，该章节更多的聚焦的是商业智能背后数据管理和数据认知方面的内容，也是修改次数最多的章节。这些宝贵的经验是我和不同角色的企业人员及我自己总结而成，其中很多内容影射到现实工作当中读者们正在遇到的问题。

第5章 了解Power BI并掌握使用方法

该章节使用更简单的方式让读者了解什么是Power BI，以及Power BI的学习方法。掌握合适的学习方法本身比学习的几个技巧从长远来说更为重要。尤其是图书的学习方式，更容易形成自己的知识体系。

第6章 Power Query的使用

考虑到并非所有人都适合学习Power BI的全部，但是对于数据的加载和清洗却是一个硬需求。于是我给了该章节不短的篇幅，并且比较详细的进行讲解。在Excel中仍然可以使用Power Query，新手学习也完全不用担心。

第7章 数据模型

对Power BI数据模型的相关概念和使用建议进行了阐述。刚入门的Power BI用户会非常容易在数据建模的部分跑偏。Power BI自有一套规范的使用方法，而不需要根据自己从其他软件中获得的习惯来使用Power BI。了解这些规范并遵从，可以更好地使用Power BI。并且数据建模是Power BI最为核心的内容。

第8章 数据可视化及Power BI Service管理

由于篇幅所限，可视化部分只进行了一些简单功能的介绍。如果读者对Power BI可视化有一定的要求，那么本书可能无法给你带来更多的帮助。

第9章 Power BI优化最佳实践

该章节是一个相对进阶的内容，为了更好的使用Power BI，掌握一些实用的优化技巧和优化方法。从Power Query到数据模型，从数据模型到硬件，能几乎覆盖大部分Power BI使用场景。如果你想选一台适合Power BI运行的电脑，那么本章节也会给你答案。

第10章 在Excel中使用Cube

Cube的应用是我个人的一些执念，对于个人级和部门级，在Excel中重复制作报表的场景，或者在Excel中借助Power BI的能力进行自助分析，我是非常推荐学习在Excel中使用Cube的。但其使用的门槛也受限于用户必须先会使用Power BI或者Power Pivot，无形当中也增加了一些难度。但我仍然推崇这种用法，并且给了一个不短的篇幅。

全书目录如下。
第1章 转行经历及心路历程
1.1 转行经历
1.2 学习Power BI的心路历程
1.3 数据时代的背景
1.4 总结
1.5 作业
第2章 数据理论基础
2.1 关系映射反演原则及应用
2.2 DIKW模型
2.3 数据遗传学定律
2.4 总结
2.5 作业
第3章 对数据的思考
3.1 什么数据能分析
3.2 什么是“表”
3.3 什么是标准表
3.4 数据是“变”出来的
3.5 业务用户心目中的IT人员
3.6 数据访问权限
3.7 数据的成本
3.8 数据是一个任人打扮的小姑娘
3.9 “养”数据
3.10 数据管理
3.11 总结
3.12 作业
第4章 商业智能及其背后的设计
4.1 什么是商业智能
4.2 商业智能工具应具备的能力
4.3 如何在企业内部推广Power BI
4.4 数据分析师的新定
4.5 关于商业智能架构的思考
4.5.1 病因（问题）
4.5.2 药方（方案）
4.5.3 药性（执行）
4.6 以商业智能为中心设计数据仓库
4.7 以IT为主导的商业智能项目必将失败
4.8 商业智能的价值导向
4.9 不要“神话”Power BI
4.10 不在于技术，而在于管理和认知
4.11 商业分析中的算法
4.12 如何处理需求
4.12.1 如何提需求
4.12.2 如何接需求
4.12.3 如何安排会议
4.13 如何汇报工作
4.14 从会吵架开始
4.15 总结
4.16 作业
第5章 了解Power BI并掌握使用方法
5.1 什么是Power BI
5.2 下载Power BI Desktop
5.3 了解Power BI的结构
5.4 Excel商业智能或Power BI Desktop
5.5 Power BI的常见部署方式
5.5.1 个人使用
5.5.2 Power BI Service部署
5.5.3 本地部署
5.6 解决Power BI问题的10个方法
5.6.1 使用搜索引擎或AI
5.6.2 查阅官方文档
5.6.3 了解行业最新资讯
5.6.4 参加培训
5.6.5 使用Power BI官方论坛
5.6.6 加入学习小组或群
5.6.7 付费咨询
5.6.8 阅读专业书籍
5.6.9 掌握学习方法
5.6.10 不断地思考、实践和总结
5.7 Power BI的学习路线
5.7.1 是学习一点点，而不是精通
5.7.2 第一阶段
5.7.3 第二阶段
5.7.4 第三阶段
5.8 是否需要学习SQL或Python
5.9 Power BI的通用化设计理念
5.10 总结
5.11 作业
第6章 Power Query的使用
6.1 什么是Power Query
6.2 Power Query和Excel操作数据的不同
6.3 使用Power Query获取数据
6.3.1 从Excel文件中获取数据
6.3.2 从CSV/TXT文件中获取数据
6.3.3 从PDF文件中获取数据
6.3.4 从文件夹中获取数据
6.3.5 从SQL Server数据库中获取数据
6.3.6 从MySQL数据库中获取数据
6.3.7 输入数据
6.4 Power Query常用基础操作
6.4.1 数据类型
6.4.2 将第一行用作标题
6.4.3 自定义列
6.4.4 追加查询
6.4.5 合并查询
6.4.6 逆透视列
6.4.7 删除重复项
6.4.8 填充
6.4.9 合并列
6.4.10 格式
6.4.11 拆分列
6.4.12 提取
6.4.13 分组依据
6.4.14 转置
6.4.15 其他功能
6.5 Power Query实战
6.6 Power Query的其他功能
6.6.1 查询依赖项
6.6.2 管理参数
6.6.3 查询管理
6.6.4 数据源设置
6.7 Power Query中的M函数
6.7.1 什么是M函数
6.7.2 高级编辑器
6.8 总结
6.9 作业
第7章 数据模型
7.1 什么是数据模型
7.2 单表模型
7.3 多表模型
7.4 维度表和事实表
7.5 维度建模的必要规则
7.6 维度建模的三种模型
7.7 数据模型的关系
7.7.1 表关系
7.7.2 交叉筛选器方向
7.7.3 管理关系
7.8 DAX是什么
7.8.1 新建列
7.8.2 度量值
7.8.3 计算表
7.8.4 如何选择新建列、度量值、计算表
7.8.5 如何学习DAX
7.8.6 DAX常用函数
7.8.7 在DAX编辑器中使用快捷键
7.9 表和度量值的命名规则及度量值管理
7.9.1 表命名规则
7.9.2 度量值命名规则
7.9.3 度量值管理
7.10 数据模型管理规范
7.10.1 调整字段汇总方式
7.10.2 隐藏非必要字段
7.10.3 关闭“自动日期/时间”功能
7.11 在DAX表达式中使用变量
7.11.1 变量的语法
7.11.2 变量的特性
7.12 DAX表达式的格式化
7.13 日期表
7.13.1 如何正确使用日期表
7.13.2 如何构建日期表
7.14 按列排序
7.15 循环依赖
7.16 新建参数
7.17 总结
7.18 作业
第8章 数据可视化及Power BI Service管理
8.1 可视化基本功能
8.1.1 使用可视化视觉对象
8.1.2 主题
8.1.3 页面视图
8.1.4 筛选器
8.1.5 选择
8.1.6 书签
8.1.7 性能分析器
8.1.8 页面导航器
8.2 报告、仪表板和数据大屏的区别
8.3 Power BI Service管理
8.4 总结
8.5 作业
第9章 Power BI优化最佳实践
9.1 Power Query优化
9.1.1 使用合适的数据源
9.1.2 只加载所需的数据
9.1.3 优先使用SQL查询语句加载数据
9.1.4 使用参数
9.1.5 使用部分数据做预转换
9.1.6 尽量不在Power Query中进行复杂处理
9.1.7 尝试将数据源规范为标准表
9.1.8 使用Table.Buffer函数提高计算效率
9.1.9 使用合适的数据类型
9.1.10 设置并行加载表
9.2 数据模型优化
9.2.1 使用一对多关系
9.2.2 反结构化设计
9.2.3 减少维度表的行数
9.2.4 关闭部分设置选项
9.2.5 减少列基数
9.2.6 使用增量刷新功能
9.2.7 引用已有的度量值
9.2.8 DAX优化
9.2.9 表和度量值的命名规则
9.2.10 度量值分层设计
9.2.11 使用合适的数据粒度
9.2.12 减少使用或不使用“新建列”功能
9.2.13 尽量不使用大宽表
9.2.14 数据模型中字母的大写和小写
9.2.15 为字段添加特殊前缀
9.3 可视化优化
9.3.1 减少视觉对象的数量
9.3.2 使用背景来管理布局
9.3.3 尽量使用默认的视觉对象
9.3.4 特殊的可视化呈现
9.3.5 使用SVG辅助画图
9.3.6 打开所有的预览功能
9.3.7 报告细节优化
9.4 硬件优化
9.4.1 CPU
9.4.2 内存
9.4.3 硬盘
9.4.4 显卡
9.4.5 网卡/带宽
9.4.6 屏幕
9.4.7 小结
9.5 其他优化
9.5.1 使用较新版本的Power BI Desktop
9.5.2 Power BI Desktop提示内存不足
9.5.3 异常排查及排错技巧
9.5.4 使用性能分析器巧妙排查异常
9.6 总结
9.7 作业
第10章 在Excel中使用Cube
10.1 什么是Cube
10.2 为什么要使用Cube
10.3 如何在Excel中连接Cube
10.4 数据透视表
10.5 Cube函数
10.5.1 CUBEVALUE
10.5.2 CUBEMEMBER
10.5.3 CUBESET
10.5.4 CUBESETCOUNT
10.5.5 CUBERANKEDMEMBER
10.5.6 CUBEKPIMEMBER
10.5.7 CUBEMEMBERPROPERTY
10.5.8 Cube函数与切片器搭配使用
10.6 表查询
10.7 Cube函数优化
10.7.1 缩短公式的长度
10.7.2 提高函数计算效率
10.7.3 获取所有成员作为维度
10.7.4 实战应用建议
10.8 个人商业智能
10.9 总结
10.10 作业

阅读技巧

✅对于没有经验的读者，建议按照目录进行阅读，循序渐进逐步深入。

✅第3章和第4章，更多的描写了关于数据的一些使用规范和数据管理的相关知识，这些知识不侧重于技术，更侧重于对数据的认知，我认为比较技术部分更为重要。

✅对于想要学习数据加载和数据清洗内容的读者，建议重点阅读第6章Power Query的使用，在Excel和Power BI Desktop中均可使用。

✅为了让Power BI模型更规范并有效率，那么建议重点阅读第7章和第9章内容。

✅希望在Excel中借助Power BI的能力进行分析的读者，可以重点阅读第10章在Excel中使用Cube。

阅读对象

本书体系相对完整，适合数据分析师，BI分析人员、Excel高级用户、在校大学生、Power BI喜好者以及想提高数据分析能力的职场人员。由微软中国CTO韦青、微软亚洲首席产品经理陈希章、采悟、佐罗、高飞等一众大佬推荐。

本书内容预览

本书采用的是黑白印刷，这极大地降低了购书的成本，针对不同章节采用不同的详细程度，让不同的读者群体都能有所收获。